具体实施方式

下面将结合具体实施方案对本发明的技术方案进行清楚、完整的描述，但是本领域技术人员应当理解，下文所述的实施方案仅用于说明本发明，而不应视为限制本发明的范围。基于本发明中的实施方案，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施方案，都属于本发明保护的范围。

本发明采用的技术有新风引入技术、物联网通信技术、北向接口技术、网络爬虫技术以及神经网络自主学习人工智能技术。通过使用机房现有资源，使用最少的成本实现机房新风系统的搭建，并通过云端模糊学习控制算法实现新风和空调的智能选择，最大限度地使用新风代替空调降温，最大限度地减少空调运行时长，最终实现机房节能降耗的目的。通过在机房基站安装试用，在夏季夜间也能实现不错的节能效果。

一种智能新风监控系统，结合图1所示，包括环境参数获取模块、设备控制模块和云端集中控制系统。

图1中，01:代表环境参数获取模块，此模块获取的变量送入云端集中控制系统；

02:代表机房内现有的动环监控系统；

03:表示中央气象台网站，需要获取当天的天气情况；

04:云端集中控制系统，根据历史数据通过神经网络学习最优解，再根据最优解将输入的环境参数和设备开启阈值输出为设备关闭阈值；

05：通过动环监控获取的室内温度；

06：网络爬虫爬取的室外温度；

07：网络爬虫爬取的室外湿度；

08：网络爬虫爬取的空气质量：优、轻度污染、重度污染；

09：网络爬虫爬取的天气情况：大雨、小雨、扬砂；

10：设备控制器，有动环监控或者物联网设备控制器；

11：进风风机：外接空气过滤装置；

12：出风风机；

13：室内空调；

14：设备控制模块，包括该发明所使用的硬件设备。

智能新风监控系统安装在基站机房或普通接入机房。因为通信运营商此类机房分布较多，如果全部安装使用新风节能系统的话，所获得的经济效益最为显著。因为安装量大，所以必须考虑硬件投入成本、现场施工成本以及安装复杂度，确保要在三年之内回收成本，才能进行批量安装。本发明的目的是能够利用现有设备的尽量使用现有设备，尽可能地降低硬件测的复杂度，通过提升平台软件测复杂度代替硬件投资，从而达到最大的经济效益。

环境参数获取模块，主要功能是为云端集中控制模块输入决策参数，决策参数包括室内环境参数和室外环境参数。

环境参数获取模块包括动环监控系统和机房外环境参数获取模块。

动环监控系统，安装在机房内，通过调用动环监控系统的C接口即可获取机房内的实时温度。机房内温度可采用维谛动环监控系统C接口，通过socket来实时获取机房内温度传感器数值。机房环境参数：通信运营商机房内均装有动环监控系统。

机房外环境参数获取模块，通过网络爬虫技术对中央气象台网站天气情况页面数据进行爬取，获取精准的实时天气信息及未来24小时的天气信息。

机房外环境参数：新风系统引入新风需要满足一定的条件的空气才能引入，涉及的机房外环境参数包括室外空气温度、室外空气湿度、室外空气质量、室外天气情况(晴、大雨、扬砂)等。通常情况下其它类似的新风节能系统要获取这些参数均需要在室外安装相应的采集传感器才可实现，而本发明通过网络爬虫技术实现了零成本投入来获取这些参数。通过对中央气象台网站城市、区县天气情况页面数据的爬取，来获取精准的实时天气信息及未来24小时的天气信息，为控制算法提供了准确的判断维度。

设备控制模块，对风机和空调的状态进行监控及远程控制。设备控制模块包括设备控制器，设备控制器通过动环监控的C接口与云端集中控制系统相连接，对风机和空调实现远程集中控制。

本发明中远程设备控制方法采用两种方式：

一种是采用4G物联网控制器，通过其提供的web api接口实现系统平台的远程集中控制，通过控制器上的继电器开关控制风机和空调电源的开合，这种空调的控制方式是硬切换，适用于型号老旧、不能接入动环监控平台的空调；

另一种是通过动环监控的C接口实现远程集中控制，新风机的开关是利用动环设备上的继电器实现的，空调则是通过485接口接入动环监控系统，再通过动环C接口实现远程集中控制，这种空调的控制方式是软切换，对空调的使用寿命更加有利，适用于可接动环监控系统的空调。

云端集中控制系统，作为本发明的控制大脑，采集环境参数获取模块输入的室内环境参数和室外环境参数，通过模糊学习来动态获取每个机房的新风和空调开启阈值，采用神经网络学习空调和新风关闭阈值，控制大脑计算输出的控制指令传输至设备控制模块，驱动风机和空调的开关。

本发明所使用的硬件设备包括进风风机、出风风机、进风过滤装置、物联网设备控制器。

本发明中进风风机带有反转功能，当算法判定需要启动风机时，云端控制系统立即发送反转指令给进风风机控制设备，此时进风风机向机房外吹风。系统设定反转时长为T_c，当反转运行时长超过T_c后，云端控制系统再发送正转指令到风机控制设备。

云端集中控制系统具有控制风机反转功能，可自定义反转运行时长，延长空气过滤滤网的清洁周期，降低维护上站频次，增加系统收益。

设备控制方面可采用维谛动环监控系统C接口控制继电器开关实现新风设备开关，通过C接口实现空调软关闭。机房内不具备动环监控的采用物联网控制器，物联网控制器集成多路继电器开关，实现设备电源通断。

风机控制设备有两种：

一种是动环监控设备，通过动环监控设备的继电器接口控制风机的接线端子的接通还是断开；如果是正转则控制继电器接通风机正转线路，如果是反转则控制继电器接通风机反转线路。

另一种是物联网控制设备，此设备具有多路继电器控制功能，可通过云端的物联网web api接口实现，控制风机方法同动环控制方法。

空调控制设备有两种：

一种是通过动环监控系统控制，将智能空调通过RS485接口接入动环监控系统，云端集中控制系统再通过动环监控的C接口实现空调启停。

另一种是通过网联网控制器实现，通过web api接口实现物联网控制器继电器开关来实现空调开关。

为了防止进风风机出现堵塞现象，延长上站维护时间，本发明智能新风监控系统还包括室外过滤装置，进风风机在室外装有空气过滤装置，风机反转目的即是实现滤网的自主清洁，通过反向吹风将滤网的阻塞物同滤网剥离。

一种智能新风监控系统的新风控制方法，结合图2和图3所示，获取室内环境参数和室外环境参数，通过模糊学习来动态获取每个机房的新风和空调开启阈值，采用神经网络学习空调和新风关闭阈值，控制大脑计算输出的控制指令传输至设备控制模块，驱动风机和空调的开关。

室外环境参数的获取，采用中国气象网网站或者墨迹天气网站实时的天气数据，墨迹天气能够做到区县级的天气预报；通过爬虫技术爬取后，再解析html标签拿到实时天气数据和24小时天气数据。

外界天气数据包括湿度Y、空气质量指数S、天气描述Q，根据历史数据学习经验，当湿度Y>80％，或者空气质量指数S>300(严重污染)，或者天气描述Q为扬砂时，f_air函数值为0，否则f_air函数值为1。当f_air＝0时新风机不能开启。

本发明通过模糊学习来动态获取每个机房的新风和空调开启阈值。通过对历史数据的挖掘分析发现，同一机房在不同季节或者不同天气情况下的阈值并不是固定不变的。受室外气温、光照时长、机房墙壁余温、地温等因素影响，设备开关的阈值是动态变化的，因此使用固定阈值方式过于简单粗暴，并不能达到最大的节能效果。

本发明使用到的参数表达如下：

1)机房内温度告警阈值T_alarm_max、新风开启温度阈值T_fan_max、空调开启温度阈值T_Air_max。

2)室内温度变化趋势导函数值f_in、室外温度变化趋势导函数值f(out)，均为5分钟采集一次。

3)室外天气指数函数值f_air：湿度Y、空气质量指数S、天气描述Q，根据历史数据学习经验，当湿度Y>80％，或者空气质量指数S>300(严重污染)，或者天气描述Q为扬砂时，f_air值为0，否则f_air值为1。

阈值具体的学习过程如下：

S1、关闭进风风机、出风风机和空调。设定机房内温度告警阈值T_alarm_max＝初始新风开启温度阈值T_fan_max＝初始空调开启温度阈值T_Air_max。

S2、开启机房内温度趋势计算模块，每5min采集一次室内温度变化趋势导函数值f_in和室外天气指数函数值f_air。

S3、开启机房外天气采集模块，得到未来1小时天气变化趋势导函数值f_out。

S4、当机房内动环监控接口检测到室内温度达到阈值T_alarm_max，且同时满足T_now<T_alarm_max、f_in>0、f_out>0、f_air＝1时，开启新风机，并将新风开启温度峰值阈值T_fan_max的阈值更新为T_now；如果T_now>＝T_alarm_max或者f_air＝0时，则开启空调，不更新阈值。

S5、如果新风机处在运行状态，随着室外温度V_out持续升高，即f_out>0,室内温度V_in开始升高,当达到T_alarm_max时，且f_air＝1时开启空调，并将空调开启温度阈值T_air_max更新为T_now。

S6、如果空调处于开启状态，室外温度导函数值f_out<0，且f_air＝1，将当天的神经元参数输入神经网络学习算法中，进行计算，得出空调关闭阈值T_air_min，如果T_now<＝T_air_min,则关闭空调开启新风机。

S7、如果风机处于开启状态，室外温度导函数值f_out<0，且f_air＝1，将当天的神经元参数输入神经网络学习算法中，进行计算，得出新风关闭阈值T_fan_min，如果T_now<＝T_fan_min,则关闭新风，自然降温。

设备关闭阈值采用神经网络学习到的过程如下：通过空调和风机的开启阈值、新风历史运行数据、当天爬取的气温变化情况等参数，通过神经网络学习空调关闭阈值和新风关闭阈值。

设备开启阈值是根据室内温度达到告警阈值时刻室外气温确定的。设备关闭阈值动态获得，其核心算法是根据历史数据训练神经网络，确定最优权值。

输入神经元包括：

1)24小时光照时长与温度的乘机的和n＝24；

2)一天内温度变化的方差S；

3)一天内温度最大值V_max；

4)当前室内温度V_in；

5)当前室外温度V_out；

6)上次设备开启阈值V_threshold；

输出为设备开关信号Y；

输入数据表示如下：X＝[a_i，S_i，V_i，O_i，V_in，V_out，V_threshold]，

输出数据Y＝[y1]，1个输出，视为单输出；

激活函数为y＝sigmoid(sigmoid(X*W1+b1)*W2+b2)，W1是一个6*i的矩阵，b1和b2是一个标量。

采用神经网络学习空调和新风关闭阈值的过程中，输入神经元包括光照时长与温度的乘积的和、当天内温度变化方差、当天温度最大值、上次设备开启阈值、当前内外部温度，整个神经网络所表达的含义是根据输入神经元来学习设备的开关动作Y。

本发明图2为通过神经网络计算设备关闭阈值过程：

01：神经网络自主学习输入的神经元。

02：经过历史数据训练过的神经网络，得到最优权值；通过训练后的神经网络计算当前设备的切换阈值。

03：经过神经网络计算后得到的阈值和室外天气指数函数的值，判断当前是否能切换设备。

结合图3所示，采取一个机房的运行数据如下：8：16之前机房降温设备均未开启，当室外气温升高到16℃时，机房内温度达到告警阈值28℃，且f_air＝1，则开启新风降温，记录当天T_fan_min＝T_now＝16℃。在14:16时，室内温度又升高告警阈值28℃，且f_air＝1,这时需要开启空调，记录当天T_air_min＝T_now＝24℃。当室外气温降到T_air_min时，将神经元参数输入到神经网络算法中，得到输出数据Y为1，即需要关闭空调开启新风。

虽然，上文中已经用一般性说明及具体实施例对本发明作了详尽的描述，但在本发明基础上，可以对之作一些修改或改进，这对本领域技术人员而言是显而易见的。因此，在不偏离本发明精神的基础上所做的这些修改或改进，均属于本发明要求保护的范围。